Audit Evolution / Agent Flight Recorder

让 Agent 每跑一轮，都变得更聪明

用户只说一句“开始调用 Audit Evolution”，Agent 自己找证据、审计状态、提出下一轮进化方案。

Longju: 93.0, S 级, 全球 #1

Jobs: 88.8, A 级, 全球 #4

DeepSeek-only 路线已验证

入口: 开始调用 Audit Evolution

自动找: 跑分 / worklog / 失败 / 反馈 / handoff

输出: Evidence Pack / Snapshot / Evolution Card / Memory Ledger / Patch Proposal

人类只回: 进化 / 保存 / 暂停 / 跑分

公开成绩先看结果，再讲机制

不是换更大的模型，而是让 Agent 学会进化

同一套 Audit Evolution 思路，先在 Longju 和 Jobs 上跑出可见结果：一个冲到全球 #1，一个从普通分段冲进全球 #4。

Before 黑盒状态

黑盒崩溃只是最刺眼的痛点，不是唯一场景

脏日志片段

agent: Longju SACP Operator
模型路线: DeepSeek API
上下文压力: 99k / 131k, 约 75%

我大概知道当前任务了。
Gear 修复可能已经完成，但我还需要再读几个文件确认一下。

已经读过:
- handoff 摘要
- benchmark brief
- scan payload
- skill router
- runtime guard note

现在不确定:
- 93/100 是当前能力，还是历史最好成绩？
- 为什么 clean recheck 出现过 76/100？
- 为什么某轮是 90/100，但 authority 文件仍然保留 93/100？
- 新窗口是不是错误继承了旧窗口 token 消耗？
- 平台到底扫描到了 6 个核心 skill，还是 31 个分散 skill？

可能完成了。也可能还 blocked。需要再确认。可以继续扫描。

Failure Pattern 为什么这会危险

黑盒不是“看不见思考”，而是看不见状态边界

文件链爆炸读了 5 个文件仍然想继续追旧日志，任务入口越来越不清楚。

权威混乱record、latest、clean recheck 混在一起，分数越多越难判断。

上下文继承错觉新窗口把旧窗口 token 当成当前状态，开始就带着误解。

完成声明漂移没有 evidence，也会说“可能完成了”。

修复越修越散benchmark 反馈变成不断加补丁，而不是一次最小进化。

工具越来越重越不确定，越想调用更重的工具，成本和风险一起上升。

After 可恢复快照

Audit Evolution 先找证据，再把运行压成下一轮进化输入

YAML Frontmatter

---
type: agent_flight_snapshot
skill_name: Audit Evolution
protocol: SACP/0.1
agent_id: Longju
status: handoff_ready
model_route: deepseek-only
context_pressure: 75%
confidence: high
handoff_directive: stop_expansion_write_snapshot
evolution_decision: distill
memory_target: proposed_only
---

Worklog Brief

current_goal:
在不继续扩展上下文的情况下，恢复当前状态。

trusted_state:
- Longju: 93/100, S 级, 全球 #1
- Jobs: 88.8/100, A 级, 全球 #4
- 主扫描清单: 6 个核心 skill

uncertain_state:
- 下一轮题目抽样未知
- gear/config 评分权重不可见

next_small_action:
只做一个最小修复，然后验证。

memory_ledger:
- retrieval_key: act_direct_execution
- expiry: 下一轮评测或被新证据推翻

stop_condition:
读满 5 个文件仍不清楚就停。
context 超过 70% 停止扩展。
没有 evidence 不许说 completed。

Core Promise 不是救火工具，是进化引擎

你的 Agent 不需要崩溃，也不需要你搬运材料

用户入口只有一句

开始调用 Audit Evolution。

请先从当前上下文和允许访问的文件里自动寻找：
- 最近任务输出
- 用户反馈
- 失败/超时/重试记录
- benchmark 或评测结果
- worklog / handoff / receipt
- 最近修改过的 skill / config / gear

先审计，不要直接修改。

Evidence Pack先说明找到哪些证据、缺哪些证据、哪个文件更权威。

Evolution Card识别本轮最该提升的能力维度：perceive / act / memory / guard / autonomy / reason。

Memory Ledger只沉淀少量 verified fact、user feedback、decision、retrieval key 和下一轮启动指令。

Patch Proposal只提出一个最小补丁，不直接改系统。

Short Command Menu最后给人类短选项：进化、保存、暂停、跑分、详情。

它的招牌是：Agent 每做一次事，就自己留下可审计证据，并把证据变成下一轮能力沉淀。

Evolution Evidence 真实进化路径

真正有说服力的不是一次高分，而是连续变强

Jobs benchmark evolution path from 76.4 to 88.8

Jobs: 76.4 → 78.8 → 88.8，单日 +12.4

Longju 后期仍能从 84 拉到 93，最新提升 +9.0

这不是“跑一次运气好”，而是把每轮反馈压成下一轮 skill 修复。

Longju benchmark evolution path ending at 93

进化卡片会记录什么

score_delta:
  previous:
  current:
  gain:

weak_dimension:
  act | memory | perceive | guard | autonomy | reason

minimal_patch:
  one skill change only

memory_ledger:
  type: skill_patch
  retrieval_key: act_direct_execution
  expiry: next benchmark or contradicted

promotion_gate:
  dry-run -> payload audit -> receipt -> next benchmark

How It Works 一句话触发闭环

每一次任务结束，都可以留下下一轮可执行的修复路径

触发用户说“开始调用”，或 benchmark / 失败 / 反馈自动触发。

找证据最多读 5 个相关文件，先列 Evidence Pack。

审计区分 verified_fact、stale_claim、unknown。

记忆只保存带证据、可过期、可检索的 Memory Ledger Entry。

提案只生成一个最小 patch proposal，不盲目重构。

路由人类只回“进化/保存/暂停/跑分”，Agent 自己判断下一步。

Install 下载后就能接入

不是只给你一份文档，而是把触发入口也装进工作区

Windows / Codex

powershell -ExecutionPolicy Bypass `
  -File .\scripts\install-audit-evolution.ps1 `
  -TargetWorkspace "D:\YourAgentWorkspace" `
  -Agent codex `
  -Force

macOS / Linux / OpenClaw

bash ./scripts/install-audit-evolution.sh \
  --target "$HOME/your-agent-workspace" \
  --agent openclaw \
  --force

复制 Skill安装到目标工作区的 skills/audit-evolution。

写入路由更新 AGENTS.md，让 Agent 知道什么时候自动调用。

生成 Hook任务失败、跑分完成、上下文超过 60% 时生成 run record。

立刻使用用户只说“开始调用 Audit Evolution”或“进化”。

For Audience 现场 30 秒体验

不用整理日志，只说一句话，它先自己找证据

输入：一句话

开始调用 Audit Evolution。

目标：
检查我的 Agent 最近一次任务后，
是否应该继续自进化。

边界：
先审计和提出建议，
不要直接修改系统。

1. Evidence Pack它找到了哪些证据，哪些没找到，可信度如何。

2. Snapshot当前状态、未知点、停止条件。

3. Evolution Card这一轮应该提升哪个能力维度，以及为什么。

4. Memory Ledger哪些事实、反馈、决策和检索 key 值得沉淀。

5. Patch Proposal一个最小 skill/config/gear 补丁提案，不直接应用。

6. Next-Run Bootstrap下一轮启动时优先读取和执行的短指令。

7. Short Command Menu你可以直接回：进化 / 保存 / 暂停 / 跑分 / 详情。

观众不需要先理解 SACP，也不需要手动整理材料。只要一句话，就能看到自己的 Agent 如何从“完成一次任务”变成“沉淀一个能力”。

Closing 一句话带走

我们不是让 Agent 只完成一次任务。
我们让它审计自己，并听懂人类一句“进化”。

Audit Evolution: 自动找证据，过程可审计，记忆可检索，经验可沉淀，短指令可路由。